ข่าว Vision AI

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน STMicro VD55G1 – เซ็นเซอร์กล้อง Global Shutter I3C ขนาดจิ๋วใช้พลังงานต่ำสำหรับ computer vision

STMicro VD55G1 – เซ็นเซอร์กล้อง Global Shutter I3C ขนาดจิ๋วใช้พลังงานต่ำสำหรับ computer vision

STMicro VD55G1 global shutter camera sensor

STMicro VD55G1 เป็นเซ็นเซอร์กล้องที่ใช้เทคโนโลยี Global Shutter มีการเชื่อมต่อผ่าน I3C มีขนาดจิ๋ว 2.7 x 2.2 มม. ความละเอียด 804 x 704 พิกเซล และใช้พลังงานประมาณ 1 มิลลิวัตต์ในโหมด ‘always-on’ อัตโนมัติ เพื่อปลุกเครื่องโฮสต์เมื่อตรวจจับการเคลื่อนไหว เซ็นเซอร์กล้องมีให้เลือกทั้งแบบ Rolling Shutter หรือ Global Shutter แต่จากที่เราได้ทดสอบกล้อง global shutter ด้วย กล้อง e-Con Systems See3CAM 24CUG (USB 3.1) และ กล้อง Raspberry Pi Global Shutter (MIPI CSI) พบว่า global shutter มีประสิทธิภาพดีกว่าในการจับภาพของวัตถุที่เคลื่อนไหวอย่างรวดเร็วที่อัตราเฟรมสูง โดยไม่มีความผิดเพื้ยนของภาพ (artifacts) เมื่อเทียบกับกล้องแบบ Rolling Shutter, เซ็นเซอร์ Global Shutter VD55G1ยังจะได้รับประโยชน์จากข้อได้เปรียบเดียวกัน […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน Tokay Lite – กล้อง AI ใช้ ESP32-S3 WiSoC พร้อมแบตเตอรีและไม่ต้องเขียนโค้ด

Tokay Lite – กล้อง AI ใช้ ESP32-S3 WiSoC พร้อมแบตเตอรีและไม่ต้องเขียนโค้ด

Tokay Lite ESP32-S3 no code AI camera

Tokay Lite ของ Maxlab เป็นกล้อง AI ที่ได้รับการรับรองตามมาตรฐาน OHSWA และใช้ ESP32-S3 รองรับ Wi-Fi และ Bluetooth ซึ่งสามารถนำไปใช้งานด้าน computer vision (เช่น การจดจำและการตรวจจับใบหน้า) และการเรียนรู้ด้านหุ่นยนต์ โดยไม่จำเป็นต้องรู้ภาษาในการเขียนโปรแกรมเนื่องจากมีการใช้sหน้าเว็บสำหรับการกำหนดค่า กล้อง AI ที่รองรับ Wi-Fi และ Bluetooth นี้ยังมีคุณสมบัติการมองเห็นตอนกลางคืนด้วยไฟ IR LED 4 ดวง, IR cut filter, มีเซ็นเซอร์แสงและเซ็นเซอร์ตรวจจับการเคลื่อนไหวแบบ PIR, คอนเนกเตอร์ขยาย 20-pin พร้อม SPI และ UART, รองรับ RTC ภายนอก และสามารถใช้พลังงานจาก USB- C หรือแบตเตอรี่ LiPo สเปค Tokay Lite: Wireless module ESP32-S3-WROOM-1 MCU –  ไมโครโปรเซสเซอร์ ESP32-S3 dual-core LX7  @ สูงสุด 240 MHz พร้อมVector extension สำหรับ […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน CanMV-K230 : บอร์ดพัฒนา AI ที่ใช้ Kendryte K230 โปรเซสเซอร์ RISC-V dual-core 64 บิต

CanMV-K230 : บอร์ดพัฒนา AI ที่ใช้ Kendryte K230 โปรเซสเซอร์ RISC-V dual-core 64 บิต

CanMV-K230 development board

CanMV-K230 เป็นบอร์ดพัฒนาในขนาดเท่าบัตรเครดิตสำหรับการใช้งาน AI และ computer vision ที่ใช้ Kendryte K230 โปรเซสเซอร์ RISC-V แบบ dual-core 64 บิต พร้อม built-in KPU (Knowledge Process Unit)  และอินเทอร์เฟส เช่น อินพุต MIPI CSI และ Ethernet Kendryte K210 โปรเซสเซอร์ RISC-V AI รุ่นแรกเปิดตัวในปี 2018 ซึ่งฉันเคยทดสอบกับบอร์ด Grove AI HAT และ Maixduino และรู้สึกสนุกกับทดลองใช้งาน แต่มีประสิทธิภาพที่จำกัด ต่อจากนั้นบริษัทได้เปิดตัว K510 โปรเซสเซอร์ AI ระดับกลาง พร้อม AI accelerator 3 TOPS ที่ทรงพลังยิ่งขึ้น และ K230 รุ่นที่ต่อยอดมาจากรุ่น K210 ซึ่งได้รวางแผนไว้สำหรับปี 2022 ในแผนงานปี 2021 ตอนนี้เพิ่งเปิดตัวและถูกรวมเข้ากับบอร์ดพัฒนา CanMV-K230 สเปค CanMV-K230: SoC – Kendryte K230 CPU โปรเซสเซอร์ RISC-V 64 บิต ที่ควา […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน Cadence เปิดตัว Neo NPU IP ประสิทธิภาพในการประมวลผลได้สูงสุด 80 TOPS

Cadence เปิดตัว Neo NPU IP ประสิทธิภาพในการประมวลผลได้สูงสุด 80 TOPS

Cadence Neo NPU SoC

Cadence Neo NPU (Neural Processing Unit) IP ให้ประสิทธิภาพในการประมวลผลแบบ single core ได้ 8 GOPS ถึง 80 TOPS และสามารถปรับขนาดเป็นการตั้งค่าตัวประมวลผลแบบ multicoreได้หลายร้อย TOPS บริษัทกล่าวว่า Neo NPU ให้ประสิทธิภาพการประมวลผล AI ที่สูงและมีประสิทธิภาพด้านพลังงาน เพื่อรับประโยชน์สูงสุดสำหรับ PPA (Power, Performance, Area) และต้นทุนสำหรับ AI SoC รุ่นต่อไปนำไปใช้งานในด้านต่าง ๆ เช่น เซ็นเซอร์อัจฉริยะ, IoT, เสียง/ภาพ, อุปกรณ์ใส่หู/อุปกรณ์สวมใส่, การรับรู้ภาพ/เสียง AI บนมือถือ, AR/VR และ ADAS. จุดเด่นของ Neo NPU IP ใหม่ ได้แก่: ความสามารถในการปรับขนาด – โซลูชันตัวประมวลผล Single-core สามารถขยายขนาดได้ 8 GOPS ถึง 80 TOPS และขยายเพิ่มถึงหลายร้อย TOPS ด้วยตัวประมวลผลแบบ Multicore รองรับ 256 ถึง 32K MACs ต่อรอบเพื่ […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน TRACEPaw: ขาหุ่นยนต์ใช้ machine learning พร้อมบอร์ด Arduino Nicla Vision

TRACEPaw: ขาหุ่นยนต์ใช้ machine learning พร้อมบอร์ด Arduino Nicla Vision

TRACEPaw

สุนัขหรือแมวไม่ได้เดินบนถนนยางมะตอยเพียงอย่างเดียวมันต้องเดินบนน้ำแข็งหรือทราย โดยใช้การมองเห็นด้วยตาและสัมผัสพื้นด้วยปลายประสาทแล้วปรับตัวตามสภาพ โปรเจค TRACEPaw open-source ซึ่งย่อมาจาก “Terrain Recognition And Contact force Estimation through Sensorized Legged Robot Paw” มีเป้าหมายเพื่อนำความสามารถแบบเดียวมาใช้กับหุ่นยนต์ที่มีขา Autonomous Robots Lab (ห้องปฏิบัติการหุ่นยนต์อิสระ) บรรลุเป้าหมายนี้โดยใช้ บอร์ด Arduino Nicla Vision ซึ่งใช้ประโยชน์จากกล้องและไมโครโฟนเพื่อรัน machine learning models บนไมโครคอนโทรลเลอร์ STM32H7 Cortex-M7 เพื่อระบุประเภทของพื้นและประมาณการแรงที่ใช้บนขา” แต่กล้องไม่ได้ใช้เพื่อดูที่พื้นแต่ใช้เพื่อดูการเปลี่ยนรูปของซิลิโคนรูปกึ่งวงกลม ซึ่งทำจาก “Dragon Skin” ที่ปลายข […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน เปิดตัว MediaPipe สำหรับ Raspberry Pi – โซลูชันด้าน Machine Learning บนอุปกรณ์แบบ No-code/Low-code

เปิดตัว MediaPipe สำหรับ Raspberry Pi – โซลูชันด้าน Machine Learning บนอุปกรณ์แบบ No-code/Low-code

MediaPipe Studio Raspberry Pi 4

Google ได้เปิดตัว MediaPipe โซลูชันด้าน Machine Learning บนอุปกรณ์แบบไม่ต้องเขียนโค้ด/เขียนโค้ดเพียงเล็กน้อยสำหรับ Raspberry Pi (และ iOS SDK) หลังจากเปิดตัวอย่างเป็นทางการในเดือนพฤษภาคมสำหรับ Android, เว็บ และ Python แต่โครงการนี้เริ่มต้นขึ้นมาหลายปี ที่เราเคยเขียนบทความเกี่ยวกับโครงการ MediaPipe ครั้งแรกในเดือนธันวาคม 2019 การพอร์ตเข้าสู่ Raspberry Pi เป็นการอัปเดต Python SDK และรองรับการจำแนกเสียง, การตรวจจับใบหน้า, การตรวจจับวัตถุ และการประมวลผลภาษาธรรมชาติต่างๆ MediaPipe Solutions ประกอบด้วย 3 ส่วน: MediaPipe Tasks (low-code) เพื่อสร้างและปรับใช้ไปป์ไลน์โซลูชัน ML แบบ end-to-end ที่กำหนดเองโดยใช้ API และไลบรารีที่สามารถใช้ได้หลายแพลตฟอร์ม MediaPipe Model Maker (low-code) เพื่อสร้างโมเดล ML ที่กำหนดเอง Media […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน เมนบอร์ด Firefly AIO-1684XQ ที่ใช้ BM1684X AI SoC พร้อมสูงสุด 32 TOPS สำหรับการประมวลผลภาพและวิดีโอ

เมนบอร์ด Firefly AIO-1684XQ ที่ใช้ BM1684X AI SoC พร้อมสูงสุด 32 TOPS สำหรับการประมวลผลภาพและวิดีโอ

Firefly AIO 1684XQ motherboard

Firefly AIO-1684XQ เป็นเมนบอร์ดที่ใช้ SOPHGO SOPHON BM1684X octa-core Cortex-A53 AI SoC ที่ให้มากถึง 32TOPS สำหรับ AI inference และออกแบบมาสำหรับการนำ AI มาประยุกต์ใช้ในระบบการมองเห็นของคอมพิวเตอร์ (Computer Vision) และระบบวิเคราะห์วิดีโอ (Video Analytic) บอร์ด machine vision แบบไม่มี Header มาพร้อมกับ RAM 16GB,flash eMMC 64GB และ SPI flash 128MB และมาพร้อมกับพอร์ต SATA 3.0, Gigabit Ethernet แบบคู่, โมดูลเสริม 4G LTE หรือ 5G, พอร์ต USB 3.0 จำนวน 4 พอร์ต และ Terminal block ที่มีอินเทอร์เฟซ RS485, เอาต์พุตรีเลย์ และ GPIO สเปค Firefly AIO-1684XQ: SoC – SOPHGO SOPHON BM1684X CPU – โปรเซสเซอร์ Octa-core Arm Cortex-A53 @ สูงสุด 2.3 GHz TPU – สูงสุด 32TOPS (INT8), 16 TFLOPS (FP16/BF16), 2 TFLOPS (FP32) VPU video decod […]

เขียนวันที่ โดย Suthinee Kerdkaew - ไม่มีความเห็น บน Tungsten700 : SMARC SoM และ DevKit ที่ใช้ชิป MediaTek Genio 700 สำหรับ AIoT

Tungsten700 : SMARC SoM และ DevKit ที่ใช้ชิป MediaTek Genio 700 สำหรับ AIoT

Tungsten700 SMARC carrier board

Laird Connectivity Tungsten700 SOM เป็น SMARC system-on-module ที่ใช้ชิป MediaTek Genio 700 ซึ่งเป็นหน่วยประมวลผล AIoT บน Arm Cortex-A78/A55 พร้อม LPDDR4 สูงสุด 8GB, eMMC flash 16GB และโมดูล Sona MT320 Wi-Fi 6/Bluetooth 5.3 ที่ใช้ชิปเซ็ต Filogic 320 บอร์ดนี้ถูกออกแบบโดย Boundary Devices และได้ถูกเข้าซื้อกิจการโดย Laird, Tungsten700 มาพร้อมกับบอร์ดฐาน SMARC 2.1 carrier board ที่สามารถใช้สำหรับการพัฒนาหรือใช้เป็นคอมพิวเตอร์บอร์ดเดี่ยวที่รวมอยู่ในการออกแบบ โมดูล Tungsten700 SMARC สเปค Tungsten700 : SoC – MediaTek Genio 700 (MT8390) CPU – โปรเซสเซอร์ Octa-core พร้อม 2x Arm Cortex-A78 cores @ สูงสุด 2.2 GHz, 6x Arm Cortex-A55 cores @ สูงสุด 2.0 GHz GPU – ARM Mali-G57 MC3 GPU VPU ใน “หน่วยประมวลผลวิดีโอ” […]